MCP Memory Service — Casos de uso, Instalar & Demo ao vivo

Por que usar

Principais recursos

Recuperação híbrida vetorial + simbólica — menos falsos positivos que stores puramente por embedding
Grafo de conhecimento construído automaticamente ligando entidades, decisões e projetos
Consolidação em background: deduplica, resume e detecta deriva
API REST ao lado do MCP — mesmo store, dois clientes
SQLite por padrão (zero infra); conectável a Postgres / pgvector para escala

Demo ao vivo

Como fica na prática

mcp-memory-service.replay ▶ pronto

0/0

Instalar

Escolha seu cliente

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

Abra Claude Desktop → Settings → Developer → Edit Config. Reinicie após salvar.

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

Cursor usa o mesmo esquema mcpServers que o Claude Desktop. Config de projeto vence a global.

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

Clique no ícone MCP Servers na barra lateral do Cline, depois "Edit Configuration".

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "mcp-memory-service": {
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  }
}

Mesmo formato do Claude Desktop. Reinicie o Windsurf para aplicar.

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "mcp-memory-service",
      "command": "uvx",
      "args": [
        "mcp-memory-service"
      ]
    }
  ]
}

O Continue usa um array de objetos de servidor em vez de um map.

~/.config/zed/settings.json

{
  "context_servers": {
    "mcp-memory-service": {
      "command": {
        "path": "uvx",
        "args": [
          "mcp-memory-service"
        ]
      }
    }
  }
}

Adicione em context_servers. Zed recarrega automaticamente ao salvar.

claude mcp add mcp-memory-service -- uvx mcp-memory-service

Uma linha só. Verifique com claude mcp list. Remova com claude mcp remove.

Casos de uso

Usos do mundo real: MCP Memory Service

Manter o Claude sincronizado durante um projeto de codificação de várias semanas

👤 Desenvolvedores em projetos de longa duração ⏱ ~15 min beginner

Quando usar: Em cada sessão você gasta 10 minutos lembrando ao Claude as convenções, decisões e TODOs do projeto.

Pré-requisitos

Serviço de memória rodando — uvx mcp-memory-service (padrão: ~/.mcp-memory.db)

Fluxo

Semear o contexto principal

Use mcp-memory-service. Store these as project-level memory: 'use bun not npm', 'all DB writes go through src/db/repo.ts', 'no class components in src/ui'.✓ Copiado

→ 3 memórias armazenadas com tag de projeto
Usar na próxima sessão

Recall any project-level rules before suggesting changes to src/ui/Form.tsx.✓ Copiado

→ Regras relevantes surfaceadas; sugestão as respeita
Capturar novas decisões

Save: 'switched from React Query to SWR on 2026-04-22 because of Suspense compat'.✓ Copiado

→ Memória armazenada com data; surfaceará na próxima vez que o tema aparecer

Resultado: Claude trata seu projeto como um engajamento contínuo, não 100 inícios frios.

Armadilhas

Memória cresce sem limite; recall começa a buscar itens antigos/irrelevantes — Execute consolidate semanalmente; tague memórias para poder restringir o recall a recentes + este projeto

Combine com: filesystem

Dar a um agente assistente pessoal um perfil persistente de você

👤 Pessoas construindo agentes Claude para uso diário ⏱ ~10 min beginner

Quando usar: Seu agente diário deveria conhecer suas preferências, reuniões recorrentes e pessoas sem perguntar de novo.

Fluxo

Integrar o perfil

Use mcp-memory-service. Store: my timezone (Asia/Tokyo), my partner's name, my work hours (10–7), recurring 1:1s.✓ Copiado

→ Perfil armazenado com type=profile
Recuperar na hora

Schedule 'lunch w/ Alice' for next Tuesday — pick a time that respects my work hours.✓ Copiado

→ Sugestão usa seus horários da memória; sem perguntar de novo

Resultado: Menos configuração de contexto repetida por tarefa.

Armadilhas

Detalhes sensíveis (médicos, financeiros) armazenados sem criptografia — Use um caminho de banco de dados separado (filesystem criptografado ou build SQLCipher); ou simplesmente não armazene dados médicos/financeiros nesta camada

Combine com: google-workspace-mcp

Construir um grafo de conhecimento de pesquisa enquanto você lê artigos

👤 Pesquisadores, analistas, leitores de conteúdo denso ⏱ ~60 min intermediate

Quando usar: Você está lendo 30 artigos e quer rastrear entidades, afirmações e contradições.

Fluxo

Ingerir ao longo do caminho

For each paper I link, extract: authors, key claims, methods, datasets — store as linked nodes.✓ Copiado

→ Contagem de nós crescendo; links visíveis
Encontrar contradições

Across stored papers, find claims that contradict. List with sources.✓ Copiado

→ Pares de afirmações conflitantes com citações
Gerar uma survey

Draft a 2-page survey with the dominant claim threads + contradictions noted.✓ Copiado

→ Survey em Markdown com afirmações referenciadas

Resultado: Uma síntese real, não apenas notas.

Armadilhas

A qualidade da extração varia — algumas afirmações são ruído — Remova periodicamente nós de baixa confiança; o job de consolidação ajuda mas não é mágico

Combine com: filesystem

Compartilhar log de decisões do projeto entre agentes de colegas

👤 Times pequenos usando agentes de IA para desenvolvimento ⏱ ~30 min advanced

Quando usar: Três pessoas no time usam Claude Code; ninguém sabe quais decisões os agentes dos outros já tomaram.

Pré-requisitos

Instância hospedada acessível por todos — Execute com --host 0.0.0.0 em um servidor de desenvolvimento compartilhado; ou implante a imagem Docker

Fluxo

Apontar as configs do time para o serviço compartilhado

Update each teammate's MCP config to use the shared URL with separate auth tokens.✓ Copiado

→ Todos os agentes lendo/escrevendo no mesmo store
Convenção: tagear decisões

Convention: anything stored as type=decision is team-visible; type=personal is namespaced.✓ Copiado

→ Tags aplicadas; recall com escopo correspondente

Resultado: Memória de nível de time sem uma wiki.

Armadilhas

Notas pessoais acidentalmente marcadas como visíveis para o time — Padrão type=personal; exija opt-in explícito type=decision para notas do time

Combine com: github

Combinações

Combine com outros MCPs para 10× de alavancagem

mcp-memory-service + filesystem

Ancorar memória em arquivos do repositório — vincular memory_id ↔ caminho do arquivo

When I edit src/db/repo.ts, recall any decisions referencing it before suggesting changes.✓ Copiado

mcp-memory-service + github

Armazenar automaticamente resumos de code review como memória de decisão

After every merged PR, store the design rationale + reviewer concerns as type=decision tagged with the repo.✓ Copiado

Ferramentas

O que este MCP expõe

Ferramenta	Entradas	Quando chamar	Custo
store_memory	content, tags?, type?, metadata?	Para qualquer fato/decisão novo que vale guardar	0
recall	query, top_k?, tags?, since?	Primeiro passo antes de responder — não reinvente o contexto	0
graph_neighbors	node_id, depth?	Explorar entidades/decisões relacionadas	0
consolidate	scope?	Manutenção semanal; mescla duplicatas	tokens de LLM para sumarização
delete_memory	memory_id	Direito ao esquecimento ou correção de dados incorretos	0

Custo e limites

O que custa rodar

Cota de API: Nenhuma — tudo local
Tokens por chamada: Recall retorna 200–2000 tokens dependendo do top_k
Monetário: Gratuito; consolidação usa LLM local ou BYO
Dica: Limite top_k=5 para a maioria das chamadas de recall; deixe a consolidação cuidar das duplicatas em vez de sobrecarregar os prompts

Segurança

Permissões, segredos, alcance

Escopos mínimos: escrita no filesystem para o caminho do banco de dados

Armazenamento de credenciais: Banco de dados em ~/.mcp-memory.db; criptografe o filesystem ou use build SQLCipher para dados sensíveis

Saída de dados: Nenhuma por padrão; consolidação pode chamar externamente se você conectar a um LLM

Nunca conceda: Banco de dados com leitura pública em hosts compartilhados

PII flui via memórias — aplique política de retenção de dados na camada de aplicação

Solução de problemas

Erros comuns e correções

Recall não retorna nada

Verifique o filtro de tags; o índice de embeddings pode precisar de reconstrução após mudanças de esquema

Verificar: Observe a contagem no resultado da tool e as tags que você passa

Erros de banco de dados travado com agentes concorrentes

Mude para backend Postgres ou ative o modo WAL do SQLite (padrão em versões recentes)

Verificar: PRAGMA journal_mode;

Consolidação roda eternamente

Restrinja o escopo: consolidate(scope='last_week') em vez do banco de dados inteiro

Memórias cheias de chat irrelevante

Seja mais criterioso no momento de armazenar — chame store_memory apenas para fatos/decisões, não para chat casual

Verificar: Audite armazenamentos recentes; delete entulho

Alternativas

MCP Memory Service vs. outros

Alternativa	Quando usar	Troca
claude-mem-skill	Você quer compressão de continuidade entre sessões, não um store de conhecimento de longo prazo	claude-mem é continuidade por sessão; este é memória persistente real + grafo
Mem0	Você quer uma camada de memória hospedada com SDKs	Custa dinheiro em escala; dados saem da sua máquina
Letta (anteriormente MemGPT)	Você quer um runtime de agente completo com memória integrada, não apenas uma camada de memória	Mais pesado; opinioso sobre arquitetura de agentes

Mais

Recursos

📖 Leia o README oficial no GitHub

🐙 Ver issues abertas

🔍 Ver todos os 400+ servidores MCP e Skills